メインコンテンツへスキップ
見出し画像
Photo byvoice_miwa0401

未上場企業のM&AマッチングをAIに検証してもらったら

    AIにICE-M&A研究案を読ませてみた。評価された点と残された課題

    2026年11月、私は「ICE-M&A v0.3」という研究案をまとめた。

    これは、公開TOB(株式公開買付け)の価格から共通のPER(株価収益率)を設定し、その物差しを使って未上場企業同士の比較とマッチングを行おうとする構想である。

    今回、この研究案をAIに読ませ、第三者的な視点から評価と課題を整理してもらった。

    結論から言うと、AIは「前回案より研究設計は大きく改善している」と評価する一方で、「最大の課題は共通ベンチマーク企業の選定にある」と指摘した。

    AIが評価した点

    まず評価されたのは、

    「共通比較」 「個別価格」 「成約可能性」

    を分離したことである。

    以前の構想では、

    • TOB価格、未上場企業の価値、M&Aの相性が混在していた。

    しかしv0.3では、

    • 共通PERによる比較

    • 個別価格の検討

    • マッチング評価

    を別々の工程として整理した。

    AIは、この分離によって研究として検証しやすくなったと評価した。

    特に、

    「共通評価額は比較のための指標であり、適正価格そのものではない」

    と明記した点は重要だという。


    次に評価されたのは、検証設計である。

    研究案では、

    価格評価の検証

    と

    成約率向上の検証

    を別々に行うよう整理した。

    これは非常に重要な点だ。

    企業価値評価が正しいことと、M&Aが成立することは同じではない。

    価格評価が優れていても成約しないケースはある。

    逆に価格評価が曖昧でも、経営者同士の相性で成立することもある。

    AIはこの区別を高く評価していた。


    また、

    「不明な情報を無理に採点しない」

    という考え方も評価された。

    AIモデルでは、情報不足の部分まで点数化してしまうことが少なくない。

    しかし本研究案では、

    「未確認」

    として別表示する。

    銀行員が経営者に説明する資料を作ることを考えれば、この考え方は実務的だという評価だった。


    AIが指摘した最大の課題

    一方で、AIが最も重要な課題として挙げたのは、

    「なぜA社のPERをB社とC社に適用できるのか」

    という点だった。

    例えば、

    • TOB対象企業A社

    • 売り手企業B社

    • 買い手企業C社

    が非常によく似た企業なら説明しやすい。

    しかし、

    上場企業のTOB事例を基準として、

    未上場の中小企業へ同じ倍率を適用することには限界がある。

    つまり、

    研究の核心はPERそのものではなく、

    「A社をどう選ぶか」

    にあるのではないか、

    という指摘である。

    私自身もこの点は重要だと考えている。

    今後は、

    • 業種

    • 利益率

    • ROE

    • 成長性

    • 資本構成

    などを使った選定ルールを整理する必要がある。


    価格比率にも注意点がある

    研究案では、

    希望価格PER ÷ 共通基準PER

    によって価格比率を計算する。

    これにより、

    共通基準に対して割安なのか割高なのかを比較できる。

    しかしAIは、

    「価格比率を投資妙味と誤解してはいけない」

    とも指摘した。

    たとえば利益が一時的なものであれば、

    PERが低くても安いとは言えない。

    そのため、

    • 顧客集中

    • 後継者依存

    • 設備更新負担

    • 利益安定性

    といったリスク要因を併記する必要があるだろう。


    実は一番面白いのはマッチング部分かもしれない

    AIが最も独自性を感じたのは、PER計算ではなかった。

    むしろ、

    • 資源補完

    • 統合実行可能性

    • 承継条件一致

    という三軸で候補企業を評価する部分だった。

    銀行員の仕事は、

    単に企業価値を計算することではない。

    経営者に対して、

    「なぜこの会社と会う価値があるのか」

    を説明することでもある。

    その意味では、

    この研究は企業価値評価モデルというより、

    M&A候補推薦モデル

    として発展する可能性があるという評価だった。


    現時点での結論

    AIレビューを受けて改めて感じたのは、

    ICE-M&Aはまだ研究段階にあるということだ。

    今回の評価では、

    研究設計そのものは以前より整理された一方、

    共通ベンチマーク企業の選定ルールが最大の課題として残った。

    また、

    価格評価の精度と成約率向上は別々に検証しなければならないことも再確認できた。

    それでも、

    「なぜその組み合わせなのか」

    を銀行員が説明するための補助モデルとしては、一定の可能性があるように思う。

    今後は少数事例による試行を重ねながら、

    どの仮説が当たり、どの仮説が外れるのかを記録していきたい。

    研究とは、正しさを主張することではなく、間違いを修正していく過程でもあるのだから。

    なお、本研究やモデルに対してご意見やご提案などがございましたら、ぜひお聞かせいただけますと幸いです。


    ※本稿は研究途中の記録です。AIによる評価結果を参考として整理したものであり、企業価値評価やM&Aの妥当性を保証するものではありません。ICE-M&Aは筆者独自の研究構想であり、EQUES社の監修・承認を受けたものではありません。 #EQUES

     
     
    私が独自に発案したICE理論は、Note内のAIとの対話から生まれました。チラシの裏側に書き留めたメモ書きが、AIとの協働によって進化した「投資の羅針盤」に成長。私は、このICE理論を皆様に広めていきたいと思っています。 資格:ファイナンシャルプランニング技能士1級

    あなたへのおすすめ